[發明專利]基于數據挖掘的在校學生成績預警方法

在審

• 申請號: 201710224459.3
• 申請日: 2017-04-07
• 公開（公告）號: CN106778054A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 鄧曉衡;陳琳杰;龍芳;黃戎;陳凌馳;鄭靜益
• 申請（專利權）人: 中南大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 長沙永星專利商標事務所(普通合伙)43001
• 代理人: 周詠,米中業

1.一種基于數據挖掘的在線學生成績預警方法，包括如下步驟：

S1.獲取學校已畢業學生的所有m個科目的成績數據，將成績數據劃分為n個等級，并建立相應的數據庫；所述m和n均為自然數；

S2.針對步驟S1得到的成績數據，采用Apriori算法挖掘成績數據中所有符合最小支持度計數值的頻繁項集；

S3.利用步驟S2得到的頻繁項集構建所有潛在的規則，計算構建的所有規則的條件概率，并與最小置信度值進行比較得到滿足條件的所有強關聯規則；

S4.對在校學生的所有成績運用步驟S3得到的所有強關聯規則進行數據運算，得到在校學生的課程成績的預測結果，并對課程成績預測結果不合格的學生進行成績預警。

2.根據權利要求1所述的基于數據挖掘的在線學生成績預警方法，其特征在于步驟S1所述的獲取學校已畢業學生的成績數據，具體為以學院為單位進行成績數據的獲取。

3.根據權利要求1所述的基于數據挖掘的在線學生成績預警方法，其特征在于步驟S1所述的將成績數據劃分為n個等級，具體為按照如下規則進行等級劃分：

若成績數據是分數制，則90～100分劃分為等級“優良”，75～89分劃分為等級“中等”，0～74分劃分為等級“差”；

若成績數據是等級制，則等級A劃分為等級“優良”，等級B劃分為等級“中等”，等級C及以下劃分為等級“差”。

4.根據權利要求1～3之一所述的基于數據挖掘的在線學生成績預警方法，其特征在于步驟S2所述的采用Apriori算法挖掘成績數據中所有符合最小支持度計數值的頻繁項集，具體為采用改進型Apriori算法進行頻繁項集的挖掘，具體包括如下步驟：

A.設置Apriori算法的最小支持度；

B.掃描步驟S1建立的數據庫，根據數據庫的記錄數設定編碼長度，然后對每條記錄進行掃描，將出現記錄的位置置為1，未出現記錄的位置置為0，從而得到該項的一個編碼位串；

C.在步驟B得到的編碼位串中，對每個編碼位串中“1”出現的次數進行統計得到第一統計數值，并將第一統計數值與最小支持度計數值進行比較，并保留第一統計數值大于或等于最小支持度的編碼位串和對應的項，得到頻繁項集L₁；

D.對步驟C中得到的頻繁項集L₁中的所有項進行兩兩連接形成候選項集C₂，同時對兩兩連接的項的編碼位串之間進行與運算從而生成新的編碼位串；

E.對步驟D中生成的新的編碼位串中的“1”再次進行統計得到第二統計數值，并保留第二統計數值大于或等于最小支持度計數值的編碼位串和對應的項，得到頻繁項集L₂；

F.重復步驟D～步驟E，在由頻繁項集L_k相互連接構建候選項集C_k+1前，統計頻繁項集L_k中各單項出現在頻繁項集L_k中的次數，得到第三統計數值；若L_k中某個單項的第三統計數值小于k，則將頻繁項集L_k中包含此單項的項剔除，從而得到修建后的頻繁項集L’_k；所述k為不小于2的自然數；

G.將頻繁項集L’_k中的各個項進行連接操作，并在連接過程中進行相連接的兩個項的編碼位串進行與運算，然后對生成的候選項集的C_k+1編碼位串中的“1”進行計數操作得到第k+1統計數值，并保留第k+1統計數值大于或等于最小支持度計數值的編碼位串和對應的項，得到頻繁項集L_k+1；

H.重復上述步驟F～步驟G，直至最終得到的頻繁項集為空集。

5.根據權利要求4所述的基于數據挖掘的在線學生成績預警方法，其特征在于步驟S3所述的利用得到的頻繁項集計算得到所有強關聯規則，具體為采用如下步驟進行計算得到所有強關聯規則：

a.設置最小置信度；

b.在獲取的頻繁項集中，對每一個頻繁項集L_i進行循環遍歷，并取其中的第1～第i項作為條件，以剩余的項作為結論構件條件概率；所述的條件概率為取出的項的支持度數值與剩下的項的支持度數值的比值；

c.將步驟b中得到的條件概率與最小置信度進行比較，保留條件概率值大于等于最小置信度的所有關聯規則；所保留的關聯規則即為強關聯規則。